区分 multitask-、multilabel- 和 multiclass-

属性 通常被用来表征或定义 特征 的性质。
在分类任务中，
标签用于标识类别归属。
具体来说，
我们通常会在模型中引入变量对 ({x_i}, {y_i})，
其中 ({x_i}) 表示输入数据或样本的观测值，
而 ({y_i}) 则被设定为对应于该实例的类别标记。

在属性/特征中，
属性值可视为构成属性空间的基本单元，
每个示例、样本被称为特征向量。
举例：
数据集D由m个样本组成，
即D={(x_1), (x_2), (x_3), …, (x_m)}。
每个样本通过d个属性进行表征：
样本向量(x_i)由其各个维度上的取值构成。
其中，
(x_i) = ( (x_{i1}) , (x_{i2}) , …, (x_{id}) )。
( x_i )位于d维空间中，
代表第i个实例，
其各个分量对应于不同属性下的测量结果：
( x_{ij} )表示第i个实例在第j个属性上的取值。

从以上基本概念，能很好明白multitask、multilabel、multiclass的区别：

Multiclass

属于多分类问题。例如，在年龄预测任务中将人群划分为四个类别：小孩、年轻人、青年人和老年人。

Multilabel